Question

java 怎么判断文本内容的编码

Answer 1

判断Java文本内容的编码：

1、简单判断是UTF-8或不是UTF-8，因为一般除了UTF-8之外就是GBK，所以就设置默认为GBK。

按照给定的字符集存储文件时，在文件的最开头的三个字节中就有可能存储着编码信息，所以，基本的原理就是只要读出文件前三个字节，判定这些字节的值，就可以得知其编码的格式。其实，如果项目运行的平台就是中文操作系统，如果这些文本文件在项目内产生，即开发人员可以控制文本的编码格式，只要判定两种常见的编码就可以了：GBK和UTF-8。由于中文Windows默认的编码是GBK，所以一般只要判定UTF-8编码格式。


2、若想实现更复杂的文件编码检测，可以使用一个开源项目cpdetector，它所在的网址是：http://cpdetector.sourceforge.net/。它的类库很小，只有500K左右，cpDetector是基于统计学原理的，不保证完全正确。

3、探测任意输入的文本流的编码，方法是调用其重载形式： [java] view plaincopy
charset=detector.detectCodepage(待测的文本输入流,测量该流所需的读入字节数);   
上面的字节数由程序员指定，字节数越多，判定越准确，当然时间也花得越长。


4、判定文件编码的具体应用，属性文件(.properties)是Java程序中的常用文本存储方式，象STRUTS框架就是利用属性文件存储程序中的字符串资源。

补充：可以用下面代码获得Java支持编码集合：
Charset.availableCharsets().keySet();
可以用下面的代码获得系统默认编码：
Charset.defaultCharset();

Answer 2

一段文本，是不可以判断出真实的编码的，除非是中文和英文之间判断。

~
~
~